Buchumschlag

Learning-Guided Rolling Horizon Optimization for Long-Horizon Flexible Job-Shop Scheduling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Sirui, Ouyang, Wenbin, Ma, Yining, Wu, Cathy
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural Combinatorial Optimization for Stochastic Flexible Job Shop Scheduling Problems
von: Smit, Igor G., et al.
Veröffentlicht: (2024)

Anytime Pretraining: Horizon-Free Learning-Rate Schedules with Weight Averaging
von: Meterez, Alexandru, et al.
Veröffentlicht: (2026)

Deep Reinforcement Learning for Flexible Job Shop Scheduling with Random Job Arrivals
von: Tang, Yu, et al.
Veröffentlicht: (2026)

Learning to Segment for Vehicle Routing Problems
von: Ouyang, Wenbin, et al.
Veröffentlicht: (2025)

Infinite-Horizon Reach-Avoid Zero-Sum Games via Deep Reinforcement Learning
von: Li, Jingqi, et al.
Veröffentlicht: (2022)

Graph-RHO: Critical-path-aware Heterogeneous Graph Network for Long-Horizon Flexible Job-Shop Scheduling
von: Li, Yujie, et al.
Veröffentlicht: (2026)

Towards Efficient Constraint Handling in Neural Solvers for Routing Problems
von: Bi, Jieyi, et al.
Veröffentlicht: (2026)

Rolling Ball Optimizer: Learning by ironing out loss landscape wrinkles
von: Belgoumri, Mohammed Djameleddine, et al.
Veröffentlicht: (2025)

Revisiting LQR Control from the Perspective of Receding-Horizon Policy Gradient
von: Zhang, Xiangyuan, et al.
Veröffentlicht: (2023)

Anytime Training with Schedule-Free Spectral Optimization
von: Apte, Anuj, et al.
Veröffentlicht: (2026)

Seesaw: Accelerating Training by Balancing Learning Rate and Batch Size Scheduling
von: Meterez, Alexandru, et al.
Veröffentlicht: (2025)

Hindsight-Guided Momentum (HGM) Optimizer: An Approach to Adaptive Learning Rate
von: Sarkar, Krisanu
Veröffentlicht: (2025)

The Road Less Scheduled
von: Defazio, Aaron, et al.
Veröffentlicht: (2024)

Integrated Offline and Online Learning to Solve a Large Class of Scheduling Problems
von: Liu, Anbang, et al.
Veröffentlicht: (2025)

Dynamic Rolling Horizon Optimization for Network-Constrained V2X Value Stacking of Electric Vehicles Under Uncertainties
von: Jiang, Canchen, et al.
Veröffentlicht: (2025)

Solving Integrated Process Planning and Scheduling Problem via Graph Neural Network Based Deep Reinforcement Learning
von: Li, Hongpei, et al.
Veröffentlicht: (2024)

ART for Diffusion Sampling: A Reinforcement Learning Approach to Timestep Schedule
von: Huang, Yilie, et al.
Veröffentlicht: (2026)

Online Scheduling for LLM Inference with KV Cache Constraints
von: Jaillet, Patrick, et al.
Veröffentlicht: (2025)

Optimizing LLM Inference: Fluid-Guided Online Scheduling with Memory Constraints
von: Ao, Ruicheng, et al.
Veröffentlicht: (2025)

Graph Neural Networks for the Offline Nanosatellite Task Scheduling Problem
von: Pacheco, Bruno Machado, et al.
Veröffentlicht: (2023)

Quantization through Piecewise-Affine Regularization: Optimization and Statistical Guarantees
von: Ma, Jianhao, et al.
Veröffentlicht: (2025)

On the Optimal Construction of Unbiased Gradient Estimators for Zeroth-Order Optimization
von: Ma, Shaocong, et al.
Veröffentlicht: (2025)

Investigating the Monte-Carlo Tree Search Approach for the Job Shop Scheduling Problem
von: Boveroux, Laurie, et al.
Veröffentlicht: (2025)

Optimizing Job Shop Scheduling in the Furniture Industry: A Reinforcement Learning Approach Considering Machine Setup, Batch Variability, and Intralogistics
von: Schneevogt, Malte, et al.
Veröffentlicht: (2024)

Through the River: Understanding the Benefit of Schedule-Free Methods for Language Model Training
von: Song, Minhak, et al.
Veröffentlicht: (2025)

Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations
von: Ma, Shaocong, et al.
Veröffentlicht: (2025)

Understanding Optimization in Deep Learning with Central Flows
von: Cohen, Jeremy M., et al.
Veröffentlicht: (2024)

Differentiable Distributionally Robust Optimization Layers
von: Ma, Xutao, et al.
Veröffentlicht: (2024)

Temporal Transfer Learning for Traffic Optimization with Coarse-grained Advisory Autonomy
von: Cho, Jung-Hoon, et al.
Veröffentlicht: (2023)

Client-Centric Federated Adaptive Optimization
von: Sun, Jianhui, et al.
Veröffentlicht: (2025)

Solving Truly Massive Budgeted Monotonic POMDPs with Oracle-Guided Meta-Reinforcement Learning
von: Vora, Manav, et al.
Veröffentlicht: (2024)

Learning Branching Policies for MILPs with Proximal Policy Optimization
von: Mhamed, Abdelouahed Ben, et al.
Veröffentlicht: (2025)

Deep Learning for Two-Stage Robust Integer Optimization
von: Dumouchelle, Justin, et al.
Veröffentlicht: (2023)

Convex and Bilevel Optimization for Neuro-Symbolic Inference and Learning
von: Dickens, Charles, et al.
Veröffentlicht: (2024)

Hyperparameter Optimization for Driving Strategies Based on Reinforcement Learning
von: Adde, Nihal Acharya, et al.
Veröffentlicht: (2024)

HoP: Homeomorphic Polar Learning for Hard Constrained Optimization
von: Deng, Ke, et al.
Veröffentlicht: (2025)

Multi-Objective Optimization for Sparse Deep Multi-Task Learning
von: Hotegni, S. S., et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning Guided Improvement Heuristic for Job Shop Scheduling
von: Zhang, Cong, et al.
Veröffentlicht: (2022)

ARO: A New Lens On Matrix Optimization For Large Models
von: Gong, Wenbo, et al.
Veröffentlicht: (2026)

A Schrödinger Eigenfunction Method for Long-Horizon Stochastic Optimal Control
von: Claeys, Louis, et al.
Veröffentlicht: (2026)